Verbesserung der Bienenstocküberwachung mit fortschrittlicher Technologie

Die Populationen von Honigbienen nehmen ab, was die Nahrungsressourcen weltweit beeinflussen kann. Um dieses Problem anzugehen, fangen viele Imker an, die Gesundheit ihrer Bienen mit Sensoren und Geräten zu überwachen. Dieses Projekt konzentriert sich darauf, ein Gerät zu verbessern, das die Gesundheit der Bienen überwacht und eine Möglichkeit bietet, Daten aus der Ferne zu protokollieren, um die Bienenvölker kontinuierlich zu überwachen.

Honigbienen spielen eine entscheidende Rolle in unserer Umwelt und Lebensmittelproduktion. Sie bestäuben Blumen und Pflanzen, was für die Landwirtschaft essenziell ist. Ohne Bienen können viele Pflanzen nicht wachsen und Früchte oder andere Ernten produzieren. Die Imkerei gibt es seit Tausenden von Jahren, aber Bienen sind zunehmend durch Schädlinge, Krankheiten und Pestizide von nahegelegenen Farmen bedroht.

Deshalb ist es wichtig, dass Imker die Gesundheit und Aktivität ihrer Bienen in Echtzeit kennen. Wenn etwas mit den Bienen nicht stimmt, müssen Imker schnell handeln. Dieses Projekt zielt darauf ab, ein Gerät zu verbessern, das wertvolle Daten von Bienenstöcken sammelt, sodass diese Informationen in einer Datenbank gespeichert werden können, wo sie über eine einfache Benutzeroberfläche angezeigt werden. In Zukunft werden die Daten helfen, die Gesundheit und das Verhalten der Bienen mit Hilfe von Methoden des maschinellen Lernens zu analysieren.

#Ursprüngliches Datenerfassungsgerät

Das aktuelle Datenerfassungsgerät basiert auf früheren Arbeiten. Es läuft auf einem Raspberry Pi, einem kleinen Computer, und nutzt ein Grove Base Hat, um verschiedene Sensoren zu verbinden, die Wetter- und atmosphärische Bedingungen sowohl innerhalb als auch ausserhalb des Bienenstocks messen. Es verfolgt auch die Anzahl der Bienen, die den Stock betreten und verlassen, mit einer Kamera und zeichnet Geräusche im Inneren des Stocks mit einem Mikrofon auf.

#Modifiziertes Datenerfassungsgerät

Das Gerät sammelt normalerweise alle 15 Minuten Daten von den Sensoren und dem Mikrofon. Einer der Sensoren, der CO2-Werte misst, muss jedoch jede Sekunde Messungen durchführen, um genaue Ergebnisse zu erhalten. Diese häufigen Messungen können viel Rechenleistung des Computers beanspruchen, die besser für die Ausführung von Algorithmen des maschinellen Lernens verwendet wird, die die Gesundheit und Aktivität der Bienen überprüfen.

Um das zu lösen, wurde ein Raspberry Pico zum Setup hinzugefügt. Dieses Gerät verbindet sich über einen USB-Anschluss mit dem Raspberry Pi, sodass sie miteinander kommunizieren können. Der Raspberry Pico sammelt die Wetter- und atmosphärischen Daten von den Sensoren jede Sekunde. Wenn der Raspberry Pi die Informationen anfordert, berechnet der Pico einen Durchschnitt der in dieser Zeit gesammelten Daten und sendet sie zurück. Diese Änderung schont die Ressourcen des Raspberry Pi für andere Aufgaben und sollte die Zuverlässigkeit der Kamera verbessern.

Während dieser Modifikationen wurde der Temperatur- und Feuchtigkeitssensor auf eine neuere Version aktualisiert, um die Genauigkeit und Reichweite zu verbessern. Ein Gewichtssensor wurde ebenfalls hinzugefügt, um Veränderungen im Gewicht der Bienenstöcke zu messen. Die endgültige Konfiguration des modifizierten Datenerfassungsgeräts kann in einem Diagramm visualisiert werden, das das Gerät in einem Kasten mit Tunneln für die Durchquerung der Bienen zeigt.

#Datenlogging in einer Datenbank

#Internetverbindung

Sobald das Gerät nützliche Daten vom Bienenstock gesammelt hat, muss es diese Informationen über das Internet an eine Datenbank senden. Das ermöglicht es Imkern, den Zustand ihrer Bienenstöcke zu überprüfen, egal wo sie sich befinden. Allerdings werden Bienenstöcke oft in abgelegenen Gegenden platziert, wo herkömmliche Internetverbindungen möglicherweise nicht verfügbar sind. Glücklicherweise haben die Standorte, die für unsere Geräte gewählt wurden, normalerweise eine gute WLAN-Abdeckung. In Fällen, wo WLAN keine Option ist, können Lösungen wie GSM-Module oder LoRaWAN verwendet werden.

#MQTT-Nachrichten

Das Gerät speichert alle gesammelten Daten auf einem USB-Flashlaufwerk, einschliesslich Tonproben, Bildern der Bienen und Daten von den Wetter-Sensoren. Um die Gesundheit des Bienenstocks zu bewerten, müssen jedoch nur die Daten der Wetter-Sensoren an die Datenbank gesendet werden. In Zukunft werden auch Daten von Modellen des maschinellen Lernens, die die Gesundheit des Bienenstocks und die Bienenaktivität schätzen, einbezogen. Da nur wenige Daten gesendet werden müssen, wurde das MQTT-Nachrichtenprotokoll für diesen Zweck ausgewählt.

MQTT ist für Anwendungen im Internet der Dinge (IoT) konzipiert und ist leichtgewichtig, was es ideal für kleine Geräte macht. Es benötigt minimale Rechenleistung und Internetbandbreite. Es gibt zwei Arten von Geräten in MQTT: Clients und Broker. Clients können Nachrichten senden (veröffentlichen) oder empfangen (abonnieren), während der Broker den Fluss dieser Nachrichten verwaltet. Ein Beispiel für ein einfaches MQTT-Netzwerk kann veranschaulicht werden, wo der Broker in der Cloud oder auf einem lokalen Gerät gehostet werden kann.

In diesem Projekt wird der MQTT-Broker in der Cloud gehostet, was als besser für unsere Bedürfnisse angesehen wird. Dieses Setup benötigt keine öffentliche IP-Adresse oder ein VPN für den abonnierenden Client. Unser System besteht aus dem Raspberry Pi-Datenerfassungsgerät als veröffentlichenden Client, einem cloudbasierten MQTT-Broker und einem weiteren Raspberry Pi, der als abonnierender Client und Datenbank fungiert.

#InfluxDB-Datenbank

Nachdem das Datenerfassungsgerät Nachrichten an den MQTT-Broker sendet, werden die über einen bestimmten Zeitraum gesammelten Daten in einer einzigen Nachricht verpackt, die als JSON-Objekt gespeichert wird. Der MQTT-Broker leitet diese Nachrichten dann an den abonnierenden Raspberry Pi weiter. Auf diesem Gerät sammelt die Telegraf-Anwendung Daten, sortiert die eingehenden Nachrichten und speichert die Daten in einer InfluxDB-Datenbank.

Die InfluxDB-Datenbank ist eine Zeitreihendatenbank, die für unsere Anwendung geeignet ist, da wir Sensorwerte über die Zeit verfolgen wollen. Sobald die Sensordaten in der Datenbank gespeichert sind, können wir die Werte von jedem Sensor im Zeitverlauf visualisieren.

Um diese Visualisierungen zu erstellen, wird Grafana verwendet. Grafana ist eine Webanwendung, die Daten und Metriken grafisch darstellt. Es läuft auf demselben Raspberry Pi wie InfluxDB und Telegraf, liest die Sensormetriken direkt aus der Datenbank und erstellt Grafiken. Benutzer können auf Grafana über einen Webbrowser auf jedem Gerät zugreifen, das mit demselben lokalen Netzwerk verbunden ist. Ausserdem hat Grafana Funktionen zum Versenden von Benachrichtigungen über Slack oder E-Mail, was hilfreich sein wird, wenn Modelle des maschinellen Lernens zur Überwachung der Bienenaktivität und -gesundheit implementiert sind. Diese Benachrichtigungen können die Imker über Notfallsituationen im Bienenstock informieren.

#Fazit und zukünftige Arbeiten

In diesem Projekt haben wir ein bestehendes Gerät verbessert, indem wir einen Raspberry Pico hinzugefügt haben, um Daten von Wettersensoren zu sammeln, und so die Ressourcen des Raspberry Pi freigemacht haben. Wir haben auch einen Temperatur- und Feuchtigkeitssensor aufgerüstet und einen Gewichtssensor hinzugefügt, um Veränderungen im Gewicht der Bienenstöcke zu überwachen.

Als nächstes haben wir eine Lösung für das Remote-Datenlogging mit MQTT-Nachrichten implementiert, die an einen cloudbasierten MQTT-Broker gesendet werden. Diese Daten werden in einer InfluxDB-Datenbank gespeichert und über Grafana visualisiert, sodass Imker ihre Bienenstöcke leicht überwachen können.

Zukünftige Pläne beinhalten die Analyse der während der realen Einsätze gesammelten Sensordaten. Diese Analyse wird sich auf das Clustern von Audioaufnahmen des Bienenbrummens konzentrieren und Techniken des maschinellen Lernens auf sowohl Audio- als auch Sensordaten anwenden, um bessere Einblicke in die Gesundheit und Aktivitätsmuster der Bienen zu ermöglichen.